O impacto da inteligência artificial na ressonância magnética mamária para o diagnóstico do cancro da mama: revisão sistemática da literatura

Abstract

Introdução: O cancro da mama (CM) e considerado uma causa significativa de mortalidade feminina a nível mundial, enfatizando a importância do diagnostico precoce. Ao longo dos últimos anos, avanços significativos te m estado a ocorrer tanto na área da ressonância magnética (RM) como na área da inteligência artificial (IA); esses avanços te m contribuí do para melhorias significativas no diagnóstico desta patologia. A RM mama ria (RMM) e uma das técnicas mais sensíveis para detetar o cancro da mama, tendo indicações para realizar o diagnostico, estadiamento, e a monitorização da terapia. A IA auxilia na interpretação de imagens, permitindo assim a deteção mais rápida e precisa da lesa o. Objetivo: Avaliar qual o impacto da inteligência artificial na RM mamaria no diagnostico de cancro da mama, considerando os seus efeitos na precisão, eficiência e na qualidade do diagnóstico. Metodologia: Este artigo consiste numa Revisa o Sistema tica da Literatura, de natureza descritiva e qualitativa. A pesquisa foi realizada em bases de dados como PubMed, web of Sience, Scholar Google, Radiological Society of North America (RSNA), com recurso a seguinte lógica booleana: (Artificial intelligence) AND (breast cancer diagnosis) AND (breast MRI), (Artificial intelligence) AND (radiogical diagnosis) AND (Breast cancer), (Artificial intelligence) AND (breast MRI), (AI Algorithms) AND (Breast Cancer AND MRI). Foram definidos critérios de inclusão com base na relevância tema tica, ano de publicação o (2020-2025), idioma (português s e inglês s) e texto completo disponível. Selecionaram-se 33 artigos que cumpriram os critérios estabelecidos. Resultados: Os algoritmos de Machine Learning e Deep Learning demonstraram melhorias na precisão diagnostica ao analisarem grandes volumes de imagens médicas. A IA permite classificar, segmentar e identificar lesões com maior eficácia, contribuindo para diagnósticos mais rápidos e menos invasivos. Os estudos evidenciam ainda que a aplicação da IA a RMM melhora a qualidade das imagens e reduz artefactos, o que contribui para uma segmentação mais precisa das áreas suspeitas. Esta melhoria técnica permite uma identificação o mais fiável das lesões, reduzindo falsos positivos e acelerando o processo diagnóstico. Ao automatizar tarefas clínicas como a elaboração de relato rios e triagem de pacientes, a IA aumenta a eficiência do fluxo de trabalho e apoia decisões clínicas mais informadas, impactando diretamente a precisa o e qualidade do diagnóstico do cancro da mama. Conclusão: A IA mostrou-se promissora na interpretação de imagens, contudo são necessárias mais pesquisas para validar e otimizar a sua aplicação na prática clínica. Recomendam-se ainda estudos adicionais e diretrizes para garantir a segurança e eficácia da IA na RMM. Abstract : Introduction: Breast cancer is considered a significant cause of female mortality worldwide, emphasizing the importance of early diagnosis. Over the last few years, significant advances have been occurring both in the area of magnetic resonance imaging (MRI) and in the area of artificial intelligence; These advances have contributed to significant improvements in the diagnosis of this pathology. Breast MRI is one of the most sensitive techniques for detecting breast cancer, with indications for diagnosis, staging, and therapy monitoring. Artificial intelligence (AI) assists in the interpretation of images, this allowing faster and more accurate detection of the injury. Objective: To evaluate the impact of artificial intelligence on breast MRI for the diagnosis of breast cancer, considering its effects on the accuracy, efficiency and quality of the diagnosis. Methodology: Methodology: This article consists of a systematic literature review, descriptive and qualitative in nature. A search was conducted in databases such as PubMed, Web of Science, Google Scholar, and the Radiological Society of North America (RSNA), using the following Boolean logic: (Artificial intelligence) AND (breast cancer diagnosis) AND (breast MRI), (Artificial intelligence) AND (radiological diagnosis) AND (breast cancer), (Artificial intelligence) AND (breast MRI), (AI algorithms) AND (breast cancer AND MRI). Inclusion criteria were defined based on thematic relevance, year of publication (2020-2025), language (Portuguese and English), and full text availability. Results: Machine learning and deep learning algorithms have demonstrated improvements in diagnostic accuracy when analyzing large volumes of medical images. AI enables more effective classification, segmentation, and identification of lesions, contributing to faster and less invasive diagnoses. Studies also show that applying AI to MRI improves image quality and reduces artifacts, contributing to more accurate segmentation of suspicious areas. This enhancement technique enables more reliable lesion identification, reducing false positives and accelerating the diagnostic process. By automating clinical tasks such as reporting and patient triage, AI increases workflow efficiency and supports more informed clinical decisions, directly impacting the accuracy and quality of breast cancer diagnosis. Conclusion: AI has shown promise in image interpretation, however more research is needed to validate and optimize its application in clinical practice. Studies and guidelines are recommended to ensure the safety and effectiveness of AI in MMR.